چالش تحلیل داده‌های هزینه و درآمد خانوارهای ایران در سال 1403

توصیف چالش

این چالش بر پایه داده‌های «طرح آمارگیری هزینه و درآمد خانوارهای شهری و روستایی سال ۱۴۰۳» طراحی شده است. هدف اصلی آن، استخراج تصویری دقیق و داده‌محور از وضعیت اقتصادی و رفاهی خانوارهای کشور و شناسایی عوامل مؤثر بر الگوی درآمد، مصرف، پس‌انداز و نابرابری اقتصادی است.

داده‌ها ساختاری چندبخشی و رابطه‌ای دارند و اطلاعات را در سه سطح خانوار، اعضای خانوار و اقلام هزینه یا درآمد ثبت می‌کنند. شرکت‌کنندگان باید فایل‌های مختلف را با استفاده از شناسه مشترک (Address) تلفیق کرده و با درنظرگرفتن وزن آماری خانوار (weight)، تحلیل‌هایی قابل تعمیم به جامعه خانوارهای شهری و روستایی ارائه کنند.

اطلاعات موجود در مجموعه داده

• ویژگی‌های جمعیت‌شناختی اعضای خانوار، از جمله سن، جنس، نسبت با سرپرست، تحصیلات، وضعیت فعالیت و وضعیت تأهل.

• مشخصات محل سکونت، نحوه تصرف، زیربنا، امکانات، وسایل بادوام و دسترسی به خدمات زیرساختی.

• هزینه‌های خوراکی و غیرخوراکی در گروه‌هایی مانند مسکن، پوشاک، سلامت، حمل‌ونقل، ارتباطات، آموزش، فرهنگ و تفریح.

• خرید و فروش کالاهای بادوام، انتقالات و سرمایه‌گذاری‌های خانوار.

• درآمد حاصل از مشاغل مزد و حقوق‌بگیری، مشاغل آزاد، فعالیت‌های کشاورزی، درآمدهای غیرشغلی، مستمری، اجاره، سود سرمایه، کمک‌های دریافتی و یارانه نقدی.

ملاحظات و چالش‌های تحلیل داده

یکی از ویژگی‌های مهم این داده‌ها، تفاوت دوره‌های زمانی ثبت اطلاعات است. بخشی از هزینه‌ها و درآمدها به ماه گذشته و بخشی دیگر به دوازده ماه گذشته مربوط می‌شوند.

بنابراین، موارد زیر از چالش‌های اصلی تحلیل محسوب می‌شوند:

• یکسان‌سازی دوره‌های زمانی

• تعدیل بر اساس اندازه خانوار

• تفکیک مقادیر صفر از داده‌های مفقود یا نامرتبط

• استفاده صحیح از وزن نمونه

• توجه به تفاوت‌های فصلی

• توجه به تفاوت‌های شهری و روستایی

اهداف و خروجی مورد انتظار

انتظار می‌رود شرکت‌کنندگان با استفاده از روش‌های آماری، یادگیری ماشین و مصورسازی داده، الگوهای پنهان موجود در داده‌ها را کشف کرده و به پرسش‌هایی مانند عوامل مؤثر بر شکاف درآمد و هزینه، ویژگی‌های خانوارهای آسیب‌پذیر، تفاوت الگوی مصرف در گروه‌های مختلف و شاخص‌های مناسب برای سنجش رفاه اقتصادی پاسخ دهند.

خروجی نهایی باید علاوه بر دقت تحلیلی، از قابلیت تفسیر و کاربرد در سیاست‌گذاری اقتصادی و اجتماعی برخوردار باشد.

فایل‌های در اختیار شرکت‌کنندگان

برای انجام چالش، فایل‌های زیر در اختیار شرکت‌کنندگان قرار می‌گیرد:

۱. پایگاه داده اصلی طرح در قالب Microsoft Access، شامل جداول خام اطلاعات خانوارهای شهری و روستایی؛ جداول شهری با پیشوند U1403 و جداول روستایی با پیشوند R1403 مشخص شده‌اند.

۲. پرسشنامه هزینه و درآمد خانوار.pdf
پرسشنامه کامل طرح، شامل متن پرسش‌ها، گزینه‌ها، کدگذاری پاسخ‌ها و ساختار گردآوری اطلاعات.

۳. معرفی فایل خام هزینه و درآمد ۱۴۰۳.pdf
راهنمای متغیرها و ساختار جداول، شامل نام فیلدها، شرح متغیرها و نحوه ارتباط بخش‌های مختلف داده.

علاقه‌مندان می‌توانند داده‌های مربوطه را از طریق درگاه «ارسال فایل» دریافت کرده و فایل خود را نیز از همین بخش در پروفایل کاربری ارسال کنند.